基于多主体行为偏好的城市新区征收拆迁空间布局模拟

祝锦霞，鲍海君

（浙江财经大学不动产研究所，浙江 杭州 310018）

基于多主体行为偏好的城市新区征收拆迁空间布局模拟

祝锦霞，鲍海君

（浙江财经大学不动产研究所，浙江 杭州 310018）

研究目的：提出一种基于多主体行为偏好的城市新区征收拆迁空间布局的过程模拟方法。研究方法：以杭州市萧山区为试验区，从多主体行为偏好角度出发，分析居民、开发商和政府等多智能体之间，以及多智能体与外部环境之间的相互作用，耦合空间多智能体和生态位模型模拟新区开发征收拆迁的空间结构演变。研究结果：与单一主体模型主导的空间布局结果相比较，多主体模型有更高的精度，更接近实际的空间布局。研究结论：为浙江省乃至中国经济社会发展过程中的城市新区开发征收拆迁的空间布局提供科学决策依据。

土地管理；生态环境容量；多智能体模型；生态位模型

1 引言

2014年，中国城镇化率达到54.77%，处于城镇化加速发展阶段，城市空间快速扩张［1］。在城市扩展过程中，城市人口数量和用地规模不断扩张，老城区的发展出现一系列经济、环境和社会问题，无法满足日益增长的社会经济发展需求［2］。大城市的空间扩张、城市的区域化发展以及旧城改造成本的平衡驱动了新一轮城市新区开发的热潮。新区开发凭借其效益高、成本低、易推开，成为各地城镇化的重要途径，是城市空间增长的前沿阵地［5］。事实上，政府主导的快速城市化产生的空间转型与渐进式改革推进的社会制度转型难以匹配，新区开发这种城市社会空间转型中最敏感、最显著的类型必然带来城市用地的扩大或功能的转换，大规模开发增量土地带来了诸如低密度城镇发展、城市蔓延、土地城镇化快于人口城镇化［3-4］、被征地农民的市民化问题［5］，背离了以人为本的新型城镇化发展要求［6］。城市新区征收拆迁中产生的利益冲突已成为不可回避的社会焦点问题［7］。新区作为乡村土地利用与城市土地利用的过渡空间，其征收拆迁是一个以人的需求为主体，耦合自然、社会、人为和环境因素的复杂动态系统。各国经验表明，政府力、市场力和社区力等相互作用下引发的社会冲突加剧了空间的分异，空间的不公平加剧了社会的极化现象［8］。微观多主体的行为偏好及多主体之间的相互作用使得新区征收拆迁的空间布局分异显著，容易引发不同层次的社会冲突。现有研究表明，人们对城市新区征收拆迁空间布局问题关注不够，未引起重视。因此，亟需从多主体行为偏好的视角出发，综合考虑城市新区征收拆迁的空间布局。

空间布局一直是地理信息科学研究的热点问题，也是空间规划研究与应用的难题。Brooks选择遗传算法解决土地斑块的空间多目标优化配置［9］；Lockwood和Moore等应用模拟退火算法解决空间布局问题［10］；刘萌伟等综合遗传算法和Pareto多目标优化算法实现深圳市医院的选址决策［11］；何晋强等结合GIS和蚁群算法解决大区域基础设施的空间布局问题［12］；伍少坤等改进传统的“位置—分配”选址模型实现多因素的动态选址［13］。然而这些空间布局方法多是基于GIS或人工智能，虽然能提供可视化分析及方案的评价，但由于缺乏参与者之间及参与者与环境之间的动态交互过程，较难体现公众参与规划决策的本质。此后，学者开始在MAS中引入空间的概念解决地理空间的复杂决策问题。Lombardo等基于MAS开发城市零售点的空间布局模型［14］；Ackchai等利用MAS思想设计运输货物中心选址模型［15］。国内学者在多智能体地学领域的应用也做了探索，通过Agent间协调、交互模拟空间布局的空间决策［16］。然而，现有研究将城市化和自然条件作为土地利用空间格局演变的两大重要解释维度，对政府的政策方针及居民、开发商的行为偏好、生态环境的需求等要素关注不够。事实上，城市新区征收拆迁的数量和位置一般由政府决定，依赖规划审批或根据土地收购储备状况，这种“自上而下”的管控机制无法对征收拆迁空间布局进行合理调节。

因此，本文在保障城市生态安全的前提下，根据生态安全格局理论和城市可持续发展观念，在地理学和行为科学等相关理论指导下，分析城市系统中居民、开发商以及政策制定者等微观主体的行为偏好，结合具有反映人文因素与环境相互作用能力的多智能体模型模拟政府、开发商和居民主体之间基于行为偏好的城市新区征收拆迁的空间布局模拟。通过平衡城市经济发展与环境保护的关系，解决城市新区征收拆迁如何满足城市长远发展的需求问题，并应用于杭州市萧山区新区开发实例。

2 研究区域概况

2.1研究区域范围

萧山区地理位置优越，与杭州市西湖区、江干区和海宁市隔江相望。地理坐标为东经120°04′22″—120°43′46″，北纬29°50′54″—30°23′47″，总面积1420.22 km2。地势南高北低，自西南向东北倾斜，中部略呈低洼。地貌分区特征较为明显：南部为低山丘陵地区，间有小块河谷平原；中部和北部为平原，中部间有丘陵。冬夏长、春秋短，四季分明；光照充足，雨量充沛，温暖湿润。年平均气温为16.1℃。水陆交通便利，钱江一桥、二桥、三桥、五桥和六桥飞架钱塘江南北。浙赣铁路、萧甬铁路、沪杭甬高速公路、104国道、省道杭金公路及杭金衢高速公路穿境而过。杭甬运河和钱塘江、富春江、浦阳江在境内汇流。

2.2数据来源

本文所需要的数据包括：遥感影像、GIS数据和社会经济统计数据。其中，遥感影像包括萧山区2009、2011年TM影像（分辨率30 m×30 m）；GIS数据包括萧山区2009年、2011年土地利用现状图、交通道路图；社会经济统计数据包括楼盘空间分布、城市人口、GDP、就业人数以及开发商数、人均收入数据、地方财政收入等数据，主要来源于《萧山统计年鉴》。统一将矢量数据转换成西安80坐标系，其他各类交通及社会经济数据统一到2009年。

2.3数据处理

Agent被均匀分布在地理空间规则的二维网格上，将城市区域划分为M×N的规则格网单元。利用Agent在规则网格的分布与栅格的显著相似性，将所有数据转成Grid栅格数据。选择100 m×100 m的地理格网作为模型校准和计算的基础，用离散的二维区域单元进行空间的组织和表达。考虑各资源因子的量纲不同及对各主体选址行为偏好的贡献度不同，对不同类型的资源因子进行标准化处理。

利用萧山区人口普查数据和矢量电子地图生成城区人口密度图；收集、整理萧山区统计年鉴，统计城区地方财政收入结构；计算交通通达度数据，主要包括源空间到地铁、高速入口以及火车站等景观空间的欧几里德距离；中心可达性数据，包括源空间到城市中心的欧几里德距离；经济因子数据，包括源空间到就业中心的欧几里德距离等；社会公共服务水平数据，包括源空间到学校、医院和购物场所、广场的欧几里德距离；公共资源可达性数据，包括源空间到河流水面的欧几里德距离；环境绿化指标数据，包括源空间到生态用地的欧几里德距离。土地利用类型被分为简单的非城市用地和城市用地。中心城区2009—2011年的城市增长总量由2009年和2011年TM遥感影像通过单类型变化检测算法提取。

3 研究方法

3.1多智能体系统及其决策规则

3.1.1 政府Agent规则 政府Agent的城市规划引领整个区域的城市发展。城市新区征收拆迁首先必须符合城市的总体规划，资金成为城市化发展最大的制约瓶颈。随着中国土地制度的市场化改革，土地成为政府经营的最大财产。城市新区成为政府城市空间拓展和获取较高土地收益的首选。政府在公共利益主导下，凭借其在“双轨制”土地征购市场中的控制权和土地一级市场的垄断地位，低价征地，高价卖出，获得征地与供地之间的巨大差价。土地征的越多，政府利益越大，地方财政对征地的依赖程度越高。对土地财政的过度依赖是政府Agent的重要特征。

城市化过程中城市中心的生态环境保持较好，但城乡结合部这些城市新区征收拆迁的热点区域，大量农田和果园被侵占，植被覆盖率大幅度下降。原有的农业系统逐渐被城镇生态系统所取代，生态系统服务价值迅速下降，影响区域生态系统正常功能的发挥。在低碳可持续发展政策的引领下，需要协调城市经济发展和生态环境保护的关系。兼顾生态风险是政府Agent的另一特征。考虑城市新区征收拆迁中生态系统的承载力、健康弹性度所受到的影响，引入生态风险评估函数作为政府Agent的决策规则，全面反映政府Agent选址行为偏好［17］。

式（1）中，i为各景观组序号，Ai为样区第i种景观类别的面积，A为样区总面积，Wi为第i种景观类别所反映的生态风险强度参数。生态风险强度参数Wi采用左军提出的（0，1，2）三标度层次分析方法确定［18］，各土地利用类型的生态风险权重见表1。

表1 各土地利用类型的生态风险权重Tab.1 The weight of ecological risk of the land use

政府在保护土地所有权收益的同时还关心维系国家粮食安全、社会稳定、地方经济发展的促进作用［19-20］，对绿色发展的强烈需求下，耕地质量、城市人口、生产总值、企业数等是政府Agent的其他特征。

3.1.2 居民Agent规则 成本最小化—效用最大化是居民Agent的选址偏好，作为居民Agent的选址规则。当居民经济状况（征收拆迁补偿与自身经济能力总和）不足以维持新区征收拆迁必须的基本保障时，居民不选择搬迁。具体包括非空间的居民人均收入、房价、外部环境函数和外部社会函数。其中，外部环境函数代表绿色环境资源的适宜度，包括源空间到牧场、草地等生态用地和水体等景观的欧几里德距离。外部社会函数用于评价公共设施、社区服务、交通体系等人文环境的发展程度，包含交通通达度和公共设施便利性，具体包括源空间到地铁、高速路口、机场及购物中心、学校、医院、工厂企业的欧几里德距离。居民的搬迁满意度R计算如下：

式（2）中，Snei为第i个居民所在邻域中的居民平均财产，Sx，y为第i个居民的财产；Enei为第i个居民所在邻域中与其有相同教育程度的居民比例；RD和ID表示第i个居民所在单元（x，y）居民密度和工业企业密度；Dx，y为经标准化后的第i个居民所在的单元（x，y）距工作地点的距离；Hx，y，Ex，y，Tx，y，Fx，y分别为净标准化后的第i个居民所在单元（x，y）的房价、绿色环境资源的适宜度、交通通达度、公共设施便利性；ai（i = 1，2，3，4，5，6，7，8，9）为其偏好权重，并且；μx，y为效用方程的随机扰动项。

3.1.3 开发商Agent及其决策规则 利润最大化是开发商Agent选址偏好［21］，开发商的收益主要通过选择盈利性区位要决定，不考虑房地产项目的建设、销售等环境对地产项目收益的影响。开发商区位决策行为受宏观和微观两个层次的因素影响。城市系统内的经济、人口等宏观因素会影响开发商的投资预期和土地开发规模。城市化进程带来的人口红利影响房地产市场规模，开发商的投资预期与市区的人口规模、中心城区对城市以外区域及对下辖县的人口集聚力密切相关。同时，决定开发商长期竞争能力的是城市土地资源的稀缺程度、政府土地供应的节奏和规模。因此，首先选择城市人口数量、人口密度及城市化速度、土地财政等因素作为开发商Agent决策规则。开发场地的立地条件，如交通通达度等微观因素直接决定房地产开发的位置和强度。微观变量的聚合变量与宏观变量间的平衡实现开发商区位的最终决策［21］。当政府土地收储来源于旧城改造或拆迁，或是政府在城市某一区域投入大量市政建设时，土地的出让价格会大幅上升。开发商适当的超前布局能享受城市建设带来的市政红利。因此，选择与城市发展进程、区域规划和建设密切相关的规划公共中心、地铁、高速路、飞机场、规划快速路等因素作为开发商Agent决策规则。

3.2三类智能体的协商和决议

城市新区征收拆迁的空间布局是一个涉及社会、经济、生态环境等多目标决策问题——如何最大可能地节约土地资源、保护高质量的耕地、最小化环境不兼容性、绿色发展等，需要兼顾征收拆迁多主体之间的相互作用及其与社会、经济、环境、冲突敏感度之间的相互作用，实现城市新区经济、社会、生态效益的最大化。多主体空间布局模型兼顾三类Agent的行为偏好：居民Agent主要从成本最小化—效用最大化出发考虑不同地块对其居住选择的效用；开发商Agent考虑预期收益的最大化—利润最大化，并兼顾居民Agent的影响；政府Agent在生态风险强度的限制下，追求符合地方政府利益的地方经济增长最大化目标—土地财政最大化。

表2　多智能体决策的影响因素表Fig.2 Factors of multi-Agents decision

以Agent属性值作为初始条件，选择生态位模型PBL算法模拟时间T — （T + 1）内每个格子（新区地块）的潜在开发概率［22］。在总开发量控制下，根据概率比较决定待开发的格子，实现三类Agent协商、博弈，得到城市新区征收拆迁的空间布局的模拟结果［23］。考虑模型训练和模型评价样本数据的相互独立，采用Houlout验证，将原来的样本随机分成训练数据集、验证数据集、测试数据集，分别用于模型训练、模型参数、阈值选择、模型精度评价。其中，PBL模型是利用后向神经网络训练的单类分类算法，训练样本需要单类的样本及背景数据。

本文选择典型案例外业调查过程中政府Agent、开发商Agent和居民Agent协商博弈后的共同开发位置作为训练样本，定义s = 1为单类样本（政府Agent、开发商Agent和居民Agent协商博弈后的共同开发位置），s = 0为背景数据（新区地块），从单类样本和背景数据中训练得到模型P（y = 1 | x）。即从单类样本（x，s = 1）和背景数据（x，s = 0）对传统的二类分类器进行监督训练得到适宜度模型训练模型P（s = 1 | x，η = 1）。

然后估计常量c：

间接得到物种在空间上发生概率的分布模型Pr（y = 1 | x）：

4 结果和讨论

4.1单一智能体主导的征收拆迁空间布局及驱动力分析

4.1.1 政府Agent 政府Agent主导的征收拆迁空间布局是整个过程中由政府占据绝对主导权的、决定征收拆迁的空间布局（图1（a），封二）。研究结果表明，政府Agent选择的征收拆迁区域主要集中在杭州市江南副城，即萧山区中心城区及其外围的义蓬、临浦组团。中心城市发展区是萧山的区域中心，属人口、经济的双高密度区域，这与萧山区的主体功能区规划相一致；义蓬组团是杭州城市东部大型综合性工业发展基地及未来工业发展的主要储备用地。其中，义蓬组团东部和东南部为工业区，西部和西南部为居住生活区，北部和东部临江地区为生态旅游区。政府Agent选择该区域有利于促进城镇和产业发展、保护资源和环境，节约集约用地，避让优质耕地和重要生态环境用地；临浦组团是萧山区域南部中心，是旅游发展总体规划中确定的南部生态旅游板块。政府Agent选择临浦组团利于保障旅游设施用地及项目建设用地的供给。将模拟结果与萧山区城镇允许建设区规划数据相叠加（图1（b），封二），得到基于政府Agent行为偏好的征收拆迁空间布局的总体精度（81.67%），说明政府Agent基于PBL模型对城市新区征收拆迁空间布局模拟的结果具有较好的一致性。

与居民Agent主导的城市新区征收拆迁空间布局相比较（图1（c），封二），政府Agent拟选择的征收拆迁区域的土地集约利用程度高（图1（a），封二）。这是因为城市空间资源是政府通过行政权力可以直接干预、有效组织的重要竞争元素。政府Agent凭借其作为城市化战略的制定者、城市化制度的供给者、城市化进程的执行者、城市化绩效的评定者，在推进城市化过程中居于领导和支配地位。政府Agent具有政府人和经济人的双重属性，在征收拆迁空间布局中需要合理规划用地、节约集约利用土地，实现财政收入的最大化。同时在低碳可持续发展的约束下，政府Agent双重属性中的政府人属性略占主导，期望尽可能地靠近已有的城市区域，尽量不靠近已存在的农用地，尽量少地占用质量较好的农田。

4.1.2 居民Agent 居民Agent主导的征收拆迁空间布局是整个过程中开发商Agent和政府Agent均充分遵从居民Agent意愿，实现居民成本最小化—效用最大化的征收拆迁空间布局结果（图1（c），封二）。基于居民Agent行为偏好的征收拆迁空间布局主要集中在空港新城、瓜沥组团、西北片区、东南片区、东部片区、中部片区、西南片区、南部片区。这些区域包括了经济技术开发区居住片、新区居住片、城厢居住片、新街居住片、钱江世纪城居住点、钱江居住点、桥南居住点、新塘居住点。该区域具有丰富的路网资源，交通通达度较高；公共设施便利，社区服务便捷；居民密度和工业企业密度适合，职住平衡；环境舒适度高。将模拟结果与萧山区实际的城市楼盘分布图（图1（d），封二）进行空间叠加，得到居民Agent征收拆迁空间布局的模拟总精度是85.63%。

研究结果表明，居民Agent的征收拆迁空间布局表现出向研究区核心居住地段集聚的特征（图1（c），封二）。这是因为居民Agent在经济允许的前提下，交通便利、区位良好、周边配套设施完善、生态环境优良的区块成为其首选征收拆迁空间布局的首要偏好。同时，图1（c）（封二）表明，城市外围—空港新城、瓜沥组团区块也是居民Agent热衷选择的区域。这是因为工业用地的存在使得该区域集中大量的外来务工人员及较低学历人员，他们的经济收入、消费水平相对较低，对绿色环境资源宜人度的要求不高。因此，交通便利、靠近已有的工业发展区域成为该部分居民Agent选择征收拆迁空间布局的另一行为偏好。

4.1.3 开发商Agent 开发商Agent主导的空间布局是整个过程中开发商Agent只从自身利益出发而不考虑居民的选择效用及政府的政策指导。即开发商Agent主导的空间布局过程中政府处于政策失灵状态，征收拆迁的空间布局完全按照开发商利益最大化进行。基于开发商Agent行为偏好的征收拆迁空间布局集中分布在江东新城（经济技术开发区江东区块）、瓜沥组团、东部片区（新桥）、东南片区（城市商业中心区）、河上片区（河上工业园区）、进化片区（青化山风景旅游度假区）（图1（e），封二）。将模拟结果与萧山区实际的城市用地分布图进行空间叠加（图1（f），封二），得到开发商Agent的空间布局模拟总精度是82.89%。

研究结果表明，开发商Agent拟选择的栅格空间位置较为离散、无序（图1（e），封二）。这些区域的地块土地价格适中，靠近已有城市区域和已有工业发展区域，交通通达度高、居住密度和企业密度适中。这是因为城市化过程中政府Agent不断进行土地出让。开发商Agent处于主导地位，“挟持”政府Agent。同时，开发商Agent与居民Agent之间的信息不对称也使得开发商Agent处于信息优势地位。因此，在开发商Agent处于主导地位的背景下，开发商Agent倾向于选择与城市发展进程、区域规划和建设密切相关的，具有优良交通条件、工业配套、社会服务设施的区块。这些区块的土地的出让价格会随着政府在城市某一区域投入大量市政建设、旧城改造或拆迁大幅上升。开发商Agent利用对这些区块的适当超前布局，享受城市建设带来的市政红利，实现开发商Agent利益最大化的目标。与政府Agent相不同的是，该过程中开发商Agent并不需要考虑城市的土地集约利用。

4.2多主体VS.单一主体主导的征收拆迁空间布局

城市空间的复合生态系统属性决定了城市新区征收拆迁空间布局中不同主体行为偏好的空间分异性，基于单一主体行为偏好的征收拆迁空间布局没有考虑其他主体的行为交互和反馈，空间布局结果的合理性、可靠性较为欠缺（图1，封二）。基于PBL算法的多主体空间布局模型通过三类Agent协商、博弈，得到基于多主体行为偏好城市新区征收拆迁的空间布局的模拟结果（图2，封三）。研究结果表明，政府Agent、开发商Agent及居民Agent多主体交互反馈后拟选择的征收拆迁地块集中分布在经济技术开发区、中部片区（新区与经济开发区）、西南、南部片区（旧城与南部卧城），表现出城镇人口向人口密度大的区域集聚的趋势。这些区域邻近于沿钱塘江的生态发展轴线，能平衡经济发展和生态环境保护，创建环境优美、生态健康的用地条件。毗邻萧山城区、机场快速线等，交通便利，兼顾城镇发展轴线，实现土地资源优化配置和高效利用。结果表明，提出的基于多主体行为偏好的征收拆迁空间分布模型较为合理，有利于提高城市新区征收拆迁空间布局决策的科学性、可信度。

本文提出的MAS系统支持下基于多主体行为偏好的空间布局方法，在生态安全格局理论和可持续发展理论支撑下，综合分析微观多主体在征收拆迁空间布局过程中的目标和决策行为、环境要素的变化。一方面能够支持多主体之间及多主体与环境之间的交互行为，有效加强征收拆迁空间布局的公众参与度；另一方面也能较好地处理各类行为主体之间产生的冲突，实现多主体利益的交互反馈和博弈，提高空间布局结果的科学性、合理性。提出的基于多主体行为偏好的城市新区征收拆迁空间布局模型兼顾数量、空间、时间三维特征，拓展了Agent之间及其与外部环境的感知反作用力，增强模型的科学性和实用性。有利于实现土地资源的优化配置，有助于缓解城市建设与生态环境的矛盾，有利于协调人口、资源、环境与经济社会发展间的关系，推动国家经济社会的稳定及国民经济的可持续发展。

5 结论

本文以萧山区为例，引入多主体的主观能动性，设计了政府Agent、市民Agent、开发商Agent三个智能体，从空间多主体行为偏好这一微观角度入手，在RS、GIS空间数据处理技术、PBL模型的支撑下研究多主体之间、多主体与外界环境之间的相互作用，分析基于单主体、多主体的征收拆迁空间布局结果的空间分异性。模型中开发商Agent综合考虑居民Agent的意愿，与政府Agent协商决定地块的开发建设。提出的多主体交互式模型有利于提高新区开发征收拆迁空间布局决策的科学性。选择生态位模型PBL算法实现三类Agent协商、博弈，大大提高了模型的运行效率，在保证科学、合理的空间布局前提下，大大缩短运行时间。

现有的以空间效益为目标的城市征收拆迁的空间布局突出强调 GDP 的贡献，忽视了公民的权利和社会正义，造成城市化进程中社会空间与地理空间的隔离与割裂。本文从人类活动的空间行为偏好视角出发，深入挖掘城市征收拆迁空间布局问题，为中国复杂的城市化进程中的空间现象与问题研究提供了一个全新的思路。但本文在讨论城市化进程中的空间场域时，所选因素中部分受制于土地权籍、利用等要素的牵制。因此，进一步研究和创新具有土地科学领域本质特征的方法及视角，是未来需要重点研究的方向。目前，政府在公共政策制定过程中并没有将空间的公正作为优先价值，由此引发正义性缺失导致的拆迁冲突。在地理学“文化转向”和社会学“空间转向”的深刻背景下，土地科学可针对当下中国社会发展暴露的不平等性、空间资本过度化、空间正义缺失等现象，尝试从社会空间视角分析以土地为核心的资源要素在城乡资源配置中引发的冲突及与冲突相伴而生的空间正义缺失问题。

（

）：

［1］ 张婧，李诚固.中国转型期中心城市城乡关系演变［J］ .地理学报，2012，67（8）：1021 - 1030.

［2］ 夏露林，关于我国新一轮新城开发的若干问题探讨［J］ .知识经济，2011，（6）：10 - 11.

［3］ 赵阳.让农民更多分享土地增值收益［J］ .发展，2013，（4）：10 - 12.

［4］ 殷江滨，李郇.中国人口流动与城镇化进程的回顾与展望［J］ .城市问题，2012，（12）：23 - 29.

［5］ 吴次芳，游和远.农地流转、禀赋依赖与农村劳动力转移［J］ .管理世界，2010，（3）：65 - 75.

［6］ 仇保兴.新型城镇化：从概念到行动，行政管理改革［J］ . 2012，（11）：11 - 18.

［7］ 邹秀清，钟骁勇，肖泽干，等.征地冲突中地方政府、中央政府和农户行为的动态博弈分析［J］ .中国土地科学，2012，26（10）：54 - 60.

［8］ 李纯斌，吴静.空间失配假设及对中国城市问题研究的启示［J］ .城市问题，2006，（2）：16 - 21.

［9］ Brooks C. J. A parameterized region—growing programme for site allocation on raster suitability maps［J］. International Journal of Geographical Information Science， 1997， 11: 375 - 396.

［10］ Lockwood C.， Moore T. Harvest scheduling with spatialconstraints: a simulated annealing approach［J］ . Can J. ForRes， 1993， 23（3）: 468 - 478.

［11］ 刘萌伟，黎夏.基于Pareto多目标遗传算法的公共服务设施优化选址研究——以深圳市医院选址为例［J］ .热带地理，2010，30（6）：650 - 656.

［12］ 何晋强，黎夏，刘小平，等.蚁群智能及其在大区域基础设施选址中的应用［J］ .遥感学报，2009，13（2）：246 - 256.

［13］ 伍少坤，黎夏，刘小平，等.基于城市扩张的动态选址模型——以深圳市垃圾转运站选址为例［J］ .地理科学，2008，228（3）：314 - 319.

［14］ Lombardo S.， Petri M.， Zotta D. Intelligent Gis and Retail Location Dynamics：A Multi Agent System Integrated with ArcGis［A］ . A Laganaa， et a1.（Eds）: ICCSA 2004［C］ . Springer Berlin/Heidelberg， 2004: 1046 - 1056.

［15］ Ackchai S.， Koen H. V. D.， Luis F.， et al. Optimizing the Location of Intermodal Freight Hubs: An Overview of the Agent Based Modelling Approach［J］ . Journal of Transportation Systems Engineering & Information Technology， 2007，7（4）: 71 - 81.

［16］ Li X， Lao C. H.， Liu X P.， et al. Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape［J］ . International Journal of Geographical Information Science， 2011， 25（4）: 575 - 593.

［17］ 胡海龙，曾永年，张鸿辉，等. 多智能体与蚁群算法结合选址模型：长沙市生态用地选址［J］ . 资源科学，2011，33（6）：1211 -1217.

［18］ 左军.层次分析法中判断矩阵的间接给出法［J］ . 系统工程，1988，6（6）：56 - 63.

［19］ 谭术魁，齐睿. 中国征地冲突博弈模型的构建与分析［J］ . 中国土地科学，2010，24（3）：25 - 29.

［20］ 马学广，王爱民，闫小培，城市空间重构进程中的土地利用冲突研究［J］ .人文地理，2010，（3）：72 - 77.

［21］ 沈体燕，张红霞，李讯，等. GIS与ABM集成的房地产开发模拟研究［J］ . 北京大学学报（自然科学版），2009，45（4）：653 - 662.

［22］ 祝锦霞，鲍海君，徐保根. 开发商区位选择行为模拟与征收拆迁冲突区域的识别：以杭州市萧山区为例［J］ . 中国土地科学，2013，27（11）：63 - 68.

［23］ 张鸿辉，曾永年，谭蓉. 基于多智能体的农地非农化时空模拟与规划模型［J］ . 测绘学报，2011，40（3）：366 - 372.

（本文责编：陈美景）

Research on Simulation of Spatial Allocation of Land Requisition in Urban New Districts based on the Behavior Preferences of Multi-agents

ZHU Jin-xia， BAO Hai-jun
（Institute of Real Estate， Zhejiang University of Finance & Economics， Hangzhou 310018， China）

The purpose of this study is to propose a comprehensive simulation framework for land use spatial allocation in urban new districts. Methods of abstracting and modeling the self-learning behavior and interactions of the developers based on the theory of MAS and PBL were employed. The framework was supported by data obtaining capacity of Remote Sensing and spatial analysis of GIS. The results demonstrated that land use location selection can get the best accuracy by using multi-agent simulation， which could exactly monitor the tendency of development. Thus， constructed operational control mechanisms provide quantitative analysis results for the province's economic and social development.

land administration； ecological environment capacity； multi-agent model； ecological niche model

F301.2

A

1001-8158（2016）07-0064-08

10.11994/zgtdkx.20160823.125105

2015-05-07；

2016-02-27

浙江省高校重大人文社科攻关青年重点项目（2013QN064）。

祝锦霞（1982-），女，浙江新昌人，博士，助理研究员。主要研究方向为环境遥感与土地资源管理。E-mail: jxzhu1221@gmail.com